机电设备故障音频特征提取方法研究.pdf

《机电设备故障音频特征提取方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2016年仪表技术与传感器2016第4期InstrumentTechniqueandSensorNo．4机电设备故障音频特征提取方法研究宗银雪，张靓，李铁军，申付波(河北工业大学机器人与自动化研究所，天津300130)摘要：针对机电设备的故障音频信号特征，深入研究了ICA信号处理过程并引入了基于负熵的快速不动点算法。提出了基于EMD—ICA的故障音频特征提取方法，通过EMD的自适应分解能力，解决了ICA处理过程中信号源数目的限制问题，同时利用ICA方法的盲源分离能力，避免了EMD分解的模态混叠现象。实验表明：通过EM

2、D—ICA方法，能有效对机电设备故障音频特征进行提取，在故障诊断的准确性和鲁棒性方面具有优势。关键词：负熵；快速不动点；EMD；特征提取；故障诊断中图分类号：TP277文献标识码：B文章编号：1002—1841(2016)04—0105—03ResearchonFaultAudioFeatureExtractionofElectromechanicalDeviceZONGYin—xue，ZHANGLiang，LITie-jun，SHENFu—bo(InstituteofRoboticsandAutomation，He

3、beiUniversityofTechnology，Tianjin300130，China)Abstract：Forthefaultaudiosignalcharacteristicsofelectromechanicaldevice，ICAbasedsignalprocessingwasresearchedandtheFastICAalgorithmwasintroduced．FaultaudiosignalfeatureextractionmethodbasedonEMD—ICAwasproposed．Thenu

4、mberlimitproblemofsignalsourceinICAprocessingwassolvedbyEMDadaptivedecompositionability．Meanwhile，themodalaliasingphenomenonwasavoidedinEMDdecompositionwiththeblindsourceseparationabilityofICAmethod．Theexperimentalresuhshowsthatthefaultaudiofeatureofelectromech

5、anicaldevicecanbeextractedeffectivelybyEMD—ICAmethod，andhaveadvantagesinveracityandrobustnessoffaultdiagnosis．Keywords：negentropy；FastICA；EMD；featureextraction；faultdiagnosis0引言机电设备的故障诊断领域中有很好的应用前景。机电设备的故障在发展过程中，声音通常都会出现变化，如图1所示，S代表多个源信号，A为混合矩阵，是由S有经验的工人往往能从细微的

6、声音变化中判断出设备的故障和A经过某种运算而成的观测信号，为解混矩阵，y是经过状态。随着信号处理技术的发展，在故障诊断领域，音频信号解混矩阵后所得的独立分量。现在要求在只知道混合信号的利用逐渐成为人们关注的热点。然而在设备实际运行时，音的情况下，求解出曰矩阵，使得独立分量y最优逼近S，即应频信号相互混叠，存在严重的散射和混响现象，同时呈现出较用ICA分析可以仅根据已知的观测信号分离出其中的独立分强的非线性和时变性，因此如何从源信号中提取有用的故障信量息特征是研究的关键问题。独立分量分析(ICA)是盲源信号分离中一种较

7、为成熟的方图1ICA方法基本原理法，能在参数未知的情况下，将混叠信号分解为若干独立信号。ICA方法的数学模型通常可归纳为如下4种：线性瞬时模然而对于源信号数目的未知性，该方法有一个重要限制：要求型、噪声模型、卷积模型和非线性模型。由于机电设备在运通道数必须大于或等于源信号数，使得ICA方法在实际应用行时，状态音频信号往往呈现非线性和时变的特性，且设备的中受到较大局限。为此，本文将其与经验模态分解(EMD)方法结构与功能越复杂，其非线性和时变性越明显，因此通过前3相结合，将EMD分解出的固有模态函数(IMF)作为输入矩

8、阵，种模型难以对其进行完整描述，因此本文选择非线性模型，其实现了ICA方法对独立信号源的分离，同时避免了EMD信号一般混合过程如图2所示。分解时的模态混叠现象，为故障特征的提取及设备故障诊断如图2所示，源信号(t)经线性混合矩阵A后，再经过非提供了数据基础。线性函数)的处理，得到其观测信号(t)，如下式：1ICA方法研究(t)=_厂(u(t))